区间直觉模糊集的多属性综合评价新方法

针对研究对象属性值为区间直觉模糊集形式的多属性决策问题,提出了一种利用区间直觉模糊熵确定属性权重并进行综合评价的方法.该方法的基本思路:用区间直觉模糊熵来定义各方案在不同属性下的权重,将各方案对应的权重视为一种概率分布,基于这种假设利用相对熵集结模型得到区间直觉模糊集的客观优化权重.最后给出了一个算例,说明了该方法的可行性和优越性.     

一种新的区间直觉模糊交叉熵及其应用

为了全面反映区间直觉模糊集的不确定性,定义了区间直觉模糊集的3种不确定性因子,即直觉因子、模糊因子和跨度因子;基于这3种不确定性因子,给出了一种新的区间直觉模糊交叉熵,并且证明了交叉熵的相关性质;利用区间直觉模糊集的交叉熵,提出一种确定属性权重的方法,并且根据区间直觉模糊集的加权相关系数,给出了具体的区间直觉模糊多属性决策算法;最后,通过实例分析了方法的可行性和有效性。     

基于交叉熵和熵的直觉模糊多属性群决策专家权重的确定

针对方案属性值为直觉模糊数的多属性群决策问题,提出了一种新的确定专家权重的方法.通过直觉模糊集的交叉熵和熵分别确定专家的权重,并利用组合加权法确定专家的最终权重,进而给出了一种新的群决策方法.最后,通过空调系统选择实例说明所提方法的有效性和可行性.     

基于宽松下近似概念的连续型决策表的属性约简方法

针对连续型决策表,利用模糊相容关系对样例聚类产生模糊决策表,运用宽松下近似概念定义属性重要度,利用函数弹性概念定义决策属性关于条件属性的敏感度,将其作为属性重要度的权重得到加权重要度,并以此为启发式信息提出了一种连续型决策表的属性约简方法.     

一种多属性群决策方法在质量评估中的运用

研究了属性权重和属性值均为模糊语言形式给出的多属性群决策问题,介绍了一种模糊语言评估标度,并定义了基于语言加权取大(LWM)算子和混合语言加权平均(HLWA)算子,对评估对象的综合属性值进行集结.提出了LWM算子和HLWA算子的多属性群决策方法.最后用实例说明该算法的使用步骤.     

基于知识测度的区间直觉模糊多属性群决策方法

针对现有的区间直觉模糊熵未能全面体现区间直觉模糊集所包含的信息,从而会导致相关熵应用的多属性群决策出现偏差这一问题,提出了一种基于知识测度的区间直觉模糊多属性群决策方法.首先,利用扩展的区间直觉模糊知识测度确定属性权重;然后,利用区间直觉模糊加权算术平均算子集成信息,得到各备选方案的综合属性值,进而用得分函数对方案进行排序.最后通过一个实例表明了提出方法的合理性和有效性.     

一种带权重的Vague集模糊多属性决策方法

目的研究基于Vague集的多属性决策问题。方法通过定义新的函数形式得到决策方法。结果在分析带权重模糊多属性决策"记分函数法"和"精确函数法"存在问题的基础上,提出处理含有权重的模糊多属性决策的新方法——"加权算法"。结论加权模糊的属性决策的"加权算法"相对带权重多属性决策的"记分函数法"和"精确函数法"更具优越性和实用性。     

基于灰色关联分析的犹豫模糊多属性决策研究

针对属性值为犹豫模糊元的决策问题,提出一种基于灰色关联分析的多属性决策方法.首先,依据犹豫模糊的交叉熵得到属性模糊熵矩阵,从而确定属性的权重,并采用灰色关联度模型对决策属性间的相互关联度进行分析,得到属性间的灰色关联矩阵;采用最小关联度原则将矩阵标准化,得到有效的无关联矩阵,然后对属性权重进行调整,得到更合理的属性权重分配;最后,基于灰色关联分析得到各方案与理想方案的关联度,与权重相乘得到方案的排序,并通过算例分析表明该方法的有效性.     

基于属性权重向量组的多属性决策方法

文章基于属性权重完全未知的直觉模糊多属性决策问题,提出了一种属性权重向量组的决策方法。该方法认为决策对象应具有独立的属性权重,结合熵与离差最大化,确定所有选项的属性权重,构成一个权重向量组,并通过理想解与选项之间的关联系数进行排序。最后,文章通过算例说明了该方法的可行性。     

Pythagorean犹豫模糊熵及其多属性群决策方法

针对模糊信息下的群决策问题,提出了一种基于Pythagorean犹豫模糊熵的多属性群决策方法;给出了Pythagorean犹豫模糊熵的公理化定义及计算公式;为克服传统Pythagorean犹豫模糊集规范化方法导致原始决策信息流失的不足,完善了基于Pythagorean犹豫模糊环境下的最小公倍数扩充方法,方法能有效地保持原始决策信息;又以Pythagorean犹豫模糊熵作为决策信息差异程度的度量,给出属性权重完全未知或部分已知情况下权重的确定方法,并定义了基于最小公倍数的Pythagorean犹豫模糊距离测度和Pythagorean犹豫模糊熵测度;构造了一种基于Pythagorean犹豫模糊熵的TOPSIS方法,并通过精准扶贫补贴项目案例说明了方法的可行性和有效性.     

构建区间数排序准则下的多属性群决策理论与实践

针对多属性群决策问题,构造区间数表达属性值并用区间数熵值法确定属性权重;建立区间数排序模型,利用各方案中加权的属性优劣个数进行比对决策.基于此,提出一种区间数排序准则下的多属性群决策方法.最后通过实例对决策过程做了详细说明,结果表明该决策理论指导实践科学有效.     

基于加权综合的样本分类算法

首先分析了粗糙集理论中现有属性依赖性定义的不合理性，然后给出一种新的属性依赖性度量．根据这种依赖性度量，给出属性重要性的定义，再以这种属性重要性为权重，给出一种基于加权综合的样本分类算法。由于属性的重要性是由条件属性相对于决策属性的依赖性决定的，它的数值相对比较客观，这样解决了常用的定权方法的弱点，它们一般是凭经验或由专家给出，具有相当的主观性。     

基于属性熵和加权余弦相似度的离群算法

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。     

不确定性多属性决策中确定属性熵权的一种方法

针对属性值以区间数形式给出的不确定性多属性决策中确定属性权重的问题,提出了一种区间数熵权的确定方法·依据多属性决策中传统熵权确定方法的思路,首先,通过构建两个最优化模型,求得区间熵;然后根据传统熵权确定公式及区间数运算法则得到以区间数形式表示的属性熵权·该方法具有概念清晰、实用的特点,得出的属性熵权能够较好地反映各属性信息的差异程度·最后通过一个算例说明了该方法的实用性和有效性·     

区间二元语义信息的C-OWGD算子在多属性群决策中的应用

基于C-OWGD算子定义了一种新的区间二元语义距离,再将其和语言环境下的有序加权距离(OWD)算子相结合,提出了基于区间二元语义C-OWGD算子距离的有序加权距离(ITC-OWGD)算子,并探讨了该算子的一些性质和特例。最后,给出了基于ITC-OWGD算子的区间二元语义多属性群决策方法。该方法在决策者权重、属性权重信息皆未知的条件下,给出了求解决策者权重和属性权重的公式,从而获得相应的权重。     

一种不确定型多属性决策方法及其应用

 讨论了权重完全未知且属性值为区间数的多属性决策问题,提出了一种基于理想区间数贴近度的决策方法。首先定义区间数的距离,并给出区间数贴近度的公理化定义,讨论区间数贴近度的性质,然后针对区间型多属性决策问题给出一种区间型决策矩阵的规范化方法,并给出3种确定权重的方法,分别是模糊标度重心赋权法（主观赋权法）、基于最小相对熵原理的熵与相对熵综合赋权法（客观赋权法）以及利用优化方法,以待评方案与理想最优方案的贴近度最大化为优化目标,建立的贴近度最大化赋权法（主、客观组合赋权法）。利用权重可计算出每个方案与理想方案的综合贴近度,即可得到所有方案的排序结果。最后通过实例分析验证了该方法的有效性和实用性。     

确定区间数决策矩阵属性权重的方法——熵值法

针对属性权重完全未知而属性值为区间数的多属性决策问题,本文中提出了一种确定区间数决策矩阵权重的方法———熵值法.最后给出了一个例子说明本方法的有效性和可行性.     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具，已被成功应用到多个领域，寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简，提出属性约简的新方法.首先，在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵，研究它们的性质和相互之间的关系.接着，在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义，给出了属性的重要性度量，利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征，再给出获取矩阵熵约简的方法和算法.最后，利用UCI数据集进行测试，验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验，证明该算法具有更加高效的约简性能且适用于大数据样本.     

基于PSO的WFCM算法研究及其在医保欺诈行为发现中的应用

【目的】在没有先验知识的前提下,采用基于粒子群优化算法(PSO)的加权模糊C-均值(WFCM)聚类算法,从30多万条记录的医疗保险数据中挖掘出疑似医疗保险欺诈的记录。【方法】首先,引用改进的欧式距离、相似性函数以及交叉熵函数并通过PSO算法极小化交叉熵函数,对属性权重进行分析;其次,选取Calinski-Harabasz(CH)有效性指标,展开聚类有效性的研究;然后,基于数据预处理的结果将数据运用于PSO算法,不断更新得到各属性的权重,并运用聚类有效性评价中的CH有效性指标来动态估计最佳聚类个数,提高FCM聚类的速度;最后,将属性权重和最佳聚类数应用于FCM聚类算法,根据隶属度矩阵聚类得到疑似医疗保险欺诈结果。【结果】基于上述研究方法,本研究根据最后的隶属度矩阵来进行聚类分析。【结论】将优化的权重应用于加权FCM聚类算法与聚类有效性评价,既提高了聚类算法的高效性,又避免了主观评价对分类的影响。     

基于三角模糊数权重信息不完全的多属性决策方法

针对属性值为三角模糊数且权重信息不完全的多属性决策问题,提出了一种基于三角模糊数权重信息不完全的多属性决策方法.该方法首先利用权系数的不完全确定信息,建立关于各方案综合三角模糊数与理想解和负理想解的加权距离优化模型,通过求解优化模型得到各属性权重值,之后根据各方案到相对理想解的贴近度的大小进行排序.实例分析表明了该方法的有效性和可行性.